数据库营销- 顾客分析与管理

图书标准信息

• 作者 [美]罗伯特·C.布来伯格（Robert C.Blattberg）
• 出版社 清华大学出版社
• 出版时间 2018-10
• 版次 1
• ISBN 9787302513704
• 定价 98.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 628页
• 字数 906千字

【内容简介】

大数据时代的市场营销与顾客管理之道，众多理论及实用模型的集合，你的书桌上就缺这一本了！

【目录】

第1部分战 略 问 题

第1章绪论3

1.1什么是数据库营销3

1.1.1数据库营销的定义4

1.1.2数据库营销、直复营销与顾客关系管理4

1.2为什么数据库营销越来越重要5

1.3数据库营销过程6

1.4本书的组织架构8

第2章为什么要进行数据库营销10

2.1提高营销生产率10

2.1.1基本观点10

2.1.2营销生产率的深度探讨12

2.1.3营销生产率观点的证据15

2.1.4小结17

2.2建立和巩固顾客关系17

2.2.1基本观点17

2.2.2顾客关系和数据库营销的作用18

2.2.3数据库营销增强顾客关系的证据21

2.2.4小结24

2.3创造可持续的竞争优势24

2.3.1基本观点24

2.3.2可持续竞争优势观点的演变24

2.3.3小结33

2.4总结34

第3章数据库营销的组织问题35

3.1以顾客为中心的组织35〖2〗〖4〗数据库营销——顾客分析与管理〖4〗〖3〗〖1〗目录3.2数据库营销战略36

3.2.1实施数据库营销的战略36

3.2.2打造竞争优势37

3.2.3总结38

3.3顾客管理： 以顾客为中心的组织的结构基础38

3.3.1什么是顾客管理38

3.3.2顾客管理的动机39

3.3.3形成顾客群组40

3.3.4顾客管理是未来趋势吗40

3.3.5获取和保留部门化41

3.4信息管理的流程： 知识管理42

3.4.1定义42

3.4.2有效的知识管理会提高企业业绩吗43

3.4.3知识创造43

3.4.4编纂知识44

3.4.5传递知识45

3.4.6使用知识45

3.4.7设计知识管理系统46

3.4.8问题与挑战47

3.5薪酬和激励48

3.5.1理论48

3.5.2实证研究结果49

3.5.3总结50

3.6人员51

3.6.1提供合适的支持51

3.6.2公司内部协调51

第4章顾客隐私与数据库营销54

4.1背景54

4.1.1顾客的隐私顾虑及其对数据库营销人员的影响54

4.1.2历史观点56

4.2顾客对隐私的态度57

4.2.1市场细分方法57

4.2.2态度对数据库营销行为的影响58

4.2.3隐私顾虑的国际差异59

4.3关于隐私的现行做法61

4.3.1隐私政策61

4.3.2收集数据63

4.3.3法律环境63

4.4隐私顾虑的潜在解决方案65

4.4.1软件解决方案66

4.4.2监管66

4.4.3许可营销67

4.4.4顾客数据所有权69

4.4.5关注信任70

4.4.6高层管理者支持70

4.4.7隐私作为利润最大化的工具71

4.5总结与未来研究方向71

第2部分顾客终身价值(LTV)

第5章顾客终身价值： 基本原理77

5.1概述77

5.1.1顾客终身价值的定义77

5.1.2顾客终身价值计算的简单举例78

5.2LTV的数学公式79

5.3两种主要的顾客终身价值模型： 简单保留模型和转移模型80

5.3.1简单保留模型80

5.3.2转移模型85

5.4包含不可观测的顾客流失的LTV模型90

5.5收入估算97

5.5.1收入恒定模型97

5.5.2趋势模型97

5.5.3因果模型97

5.5.4购买率和购买量的随机模型97

第6章顾客终身价值的计算问题98

6.1概述98

6.2贴现率和时间期限98

6.2.1资本机会成本99

6.2.2基于风险来源方法的贴现率103

6.3顾客投资组合管理104

6.4成本核算问题107

6.4.1作业成本法(ABC)107

6.4.2可变成本和分配固定间接成本109

6.5对营销活动的反应115

6.6外部效应118

第7章顾客终身价值的应用120

7.1使用LTV获取目标顾客120

7.2使用LTV指导顾客赢回策略121

7.3使用SCM模型确定顾客价值122

7.4LTV模型应用案例125

7.5使用LTV相似形式的市场细分方法128

7.5.1顾客金字塔128

7.5.2使用LTV方法建立顾客组合129

7.6LTV组成部分的驱动力130

7.7预测潜在LTV131

7.8评价企业的顾客整体132

第3部分数据库营销工具： 基础

第8章数据的来源137

8.1概述137

8.2描述顾客的数据分类138

8.2.1顾客身份数据138

8.2.2人口统计数据139

8.2.3心理特质或生活方式数据139

8.2.4交易数据140

8.2.5营销活动数据141

8.2.6其他类型的数据142

8.3顾客信息的来源142

8.3.1内部(二手)的数据143

8.3.2外部(二手)数据144

8.3.3原始数据159

8.4终极营销企业160

第9章测试设计与分析161

9.1测试的重要性161

9.2测试还是不测试162

9.2.1信息价值法162

9.2.2评估误命中成本(assessing mistargeting costs)165

9.3抽 样 技 术167

9.3.1概率抽样VS.非概率抽样167

9.3.2简单随机抽样167

9.3.3系统随机抽样168

9.3.4其他抽样技术168

9.4确定样本量169

9.4.1确定样本量的统计方法169

9.4.2决策理论方法171

9.5测试设计175

9.5.1单因素实验设计175

9.5.2多因素实验： 全因子(full factorials)177

9.5.3多因素实验： 正交设计180

9.5.4准实验设计183

第10章预测建模过程184

10.1预测建模与对营销生产率的需要184

10.2预测建模过程： 总述186

10.3过程详述187

10.3.1定义问题187

10.3.2准备数据187

10.3.3估计模型192

10.3.4模型评价195

10.3.5选择目标顾客203

10.4一个预测建模的例子209

10.5长期考虑214

10.5.1“向唱诗班传道”214

10.5.2模型适用期和选择性偏差215

10.5.3理解预测模型的结果218

10.5.4预测建模过程需要管理218

10.6未来的研究方向219

第4部分数据库营销工具: 统计技术

第11章预测建模中的统计问题223

11.1构建统计模型的经济判断223

11.2变量与模型的选择225

11.2.1变量选择225

11.2.2变量转换229

11.3缺失值处理230

11.3.1个案删除230

11.3.2成对删除231

11.3.3单一插值法231

11.3.4多重插值法231

11.3.5数据融合233

11.3.6缺失变量哑变量234

11.4统计模型的评价235

11.4.1将样本分为校准样本和验证样本235

11.4.2评价标准237

11.5总结: 演化模型建立243

第12章RFM分析244

12.1概述244

12.2RFM模型的基础245

12.2.1Recency、Frequency和Monetary的定义245

12.2.2RFM在细分市场预测中的应用246

12.3盈亏平衡点分析: 确定分界点247

12.3.1利润最大化的分界点回应率248

12.3.2有差异的订单额249

12.4RFM模型扩展250

12.4.1将RFM模型当成方差分析处理250

12.4.2非离散的替代回应模型253

12.4.3Colombo和Jiang(1999)开发的一个随机RFM模型255

第13章购物篮分析257

13.1概述257

13.2对营销人员的益处258

13.3推导购物篮关联规则258

13.3.1确认一个购物篮问题259

13.3.2推导“有趣”的关联规则259

13.3.3Zhang(2000)关于关联和不关联的测量261

13.4购物篮分析中的问题262

13.4.1使用分类法克服维度问题262

13.4.2两个以上商品的关联规则263

13.4.3添加虚拟项目以提高购物篮分析的质量263

13.4.4在购物篮分析中添加时间要素264

13.5结论265

第14章协同过滤267

14.1概述267

14.2基于记忆的方法268

14.2.1计算用户之间的相似性269

14.2.2评价标准272

14.3基于模型的方法274

14.3.1聚类模型275

14.3.2基于项目的协同过滤275

14.3.3Chien & George的贝叶斯混合模型(1999)276

14.3.4Ansari等的分层贝叶斯模型(2000)276

14.4协同过滤存在的问题277

14.4.1将基于内容的信息过滤与协同过滤结合起来277

14.4.2内隐评价280

14.4.3选择偏差282

14.4.4跨类别推荐283

第15章离散因变量与时间存续模型284

15.1二元回应模型284

15.1.1线性概率模型285

15.1.2二元Logit(或Logistic 回归)和Probit模型285

15.1.3罕见事件数据的Logistic回归287

15.1.4判别分析289

15.2多项反应模型290

15.3计数数据模型292

15.3.1泊松回归292

15.3.2负二项回归292

15.4删失回归(Tobit)模型及扩展293

15.5时间存续(风险)模型295

15.5.1存续数据的特征295

15.5.2运用经典线性回归模型分析存续数据296

15.5.3风险模型297

15.5.4在风险函数中加入协变量299

第16章聚类分析301

16.1概述301

16.2聚类过程302

16.2.1选择聚类变量302

16.2.2相似性测量303

16.2.3聚类方法306

16.2.4聚类的群组数量313

16.3聚类分析的应用313

16.3.1解释结果313

16.3.2选择目标群组315

第17章决策树316

17.1概述316

17.2决策树原理317

17.3选择最优划分规则319

17.3.1多样性基尼(Gini)系数319

17.3.2熵(Entropy)与基于信息论的度量321

17.3.3卡方(Chi|Square)检验322

17.3.4其他划分规则323

17.4确定决策树的大小323

17.4.1决策树的剪枝方法323

17.4.2确定决策树大小的其他方法325

17.5决策树方法的其他问题326

17.5.1多元变量划分326

17.5.2成本问题326

17.5.3确定最优树326

17.6直邮广告的应用327

17.7决策树方法的优势与劣势329

第18章人工神经网络330

18.1概述330

18.1.1发展历史330

18.1.2人工神经网络在数据库营销中的应用331

18.1.3优势与劣势331

18.2神经元模型333

18.3多层感知器336

18.3.1网络架构336

18.3.2反向传播算法(back propagation)338

18.3.3在信用评分中的应用339

18.3.4隐藏层单元的最优个数、最优学习速率及最优动量参数340

18.3.5停止规则341

18.3.6特征(输入变量)选择341

18.3.7评估输入变量的重要性342

18.4径向基函数网络343

18.4.1背景343

18.4.2曲线拟合(逼近)问题343

18.4.3应用举例345

第19章机器学习346

19.1概述346

19.21 ? 规 则347

19.3利用覆盖算法的规则归纳349

19.3.1覆盖算法与决策树349

19.3.2PRISM351

19.3.3评价规则的概率指标及INDUCT算法354

19.4基于实例的学习357

19.4.1优势与劣势357

19.4.2基于实例的学习算法的简要介绍357

19.4.3范例的选择358

19.4.4属性权重359

19.5遗 传 算 法360

19.6贝叶斯网络361

19.7支持向量机364

19.8多种方法的结合: 委员会机器366

19.8.1Bagging366

19.8.2Boosting367

19.8.3其他委员会机器368

第5部分顾 客 管 理

第20章获取顾客371

20.1概述371

20.2顾客资产的基本方程372

20.3获取成本372

20.4增加获取顾客数量的策略374

20.4.1扩大市场规模374

20.4.2增加获取营销支出374

20.4.3改变获取曲线的形状375

20.4.4使用先导产品377

20.4.5获取定价与促销377

20.5开发顾客获取项目规划378

20.5.1框架378

20.5.2市场细分、目标市场选择和定位(STP)379

20.5.3产品/服务380

20.5.4顾客获取的目标市场选择380

20.5.5顾客获取的目标市场选择方法382

20.6获取营销的研究问题385

第21章交叉销售与升级销售387

21.1策略387

21.2交叉销售模型388

21.2.1下一件购买产品模型388

21.2.2考虑购买时机的下一件购买产品模型399

21.2.3包含时机与回应的下一件购买产品模型402

21.3升级销售405

21.3.1一个数据包络分析模型405

21.3.2随机前沿模型407

21.4开发持续的交叉销售活动408

21.4.1流程概述408

21.4.2战略408

21.4.3收集数据410

21.4.4分析410

21.4.5实施410

21.4.6评估411

21.5研究需要412

第22章累积奖励计划413

22.1定义和动机413

22.2累积奖励计划如何影响顾客行为413

22.2.1增加销售的作用机制413

22.2.2顾客对累积奖励计划的反馈414

22.3在竞争环境中的累积奖励计划是否会增加利润422

22.4累积奖励计划的设计425

22.4.1决策设计425

22.4.2基础设施425

22.4.3注册程序425

22.4.4奖励计划426

22.4.5奖励428

22.4.6个性化营销429

22.4.7伙伴关系430

22.4.8监控和评价430

22.5累积奖励计划案例431

22.5.1Harrah’s 娱乐公司431

22.5.2英国超市行业: Nectar计划与Clubcard计划431

22.5.3Cingular公司的通话时长延期使用计划433

22.5.4希尔顿酒店433

22.6研究需要434

第23章顾客分级计划436

23.1定义和动机436

23.2设计顾客分级计划437

23.2.1概述437

23.2.2审查目标438

23.2.3创建顾客数据库438

23.2.4定义等级438

23.2.5确定每一等级的获取可能性440

23.2.6每一等级的发展可能性441

23.2.7顾客等级资金分配443

23.2.8设计特定等级计划448

23.2.9实施与评估449

23.3顾客分级计划案例450

23.3.1Bank One(Hartfeil，1996)450

23.3.2加拿大皇家银行(Rasmusson，1999)450

23.3.3Thomas Cook旅行(Rasmusson，1999)450

23.3.4加拿大杂货店连锁(Grant ＆ Schlesinger，1995)451

23.3.5Major US 银行(Rust et al.，2000)451

23.3.6维京办公产品(Miller，2001)452

23.3.7瑞典银行(Storbacka ＆ Luukinen，1994；Storbacka，1993)452

23.4实施顾客分级计划的风险452

23.5未来的研究需要454

第24章顾客流失管理456

24.1问题456

24.2引起顾客流失的因素460

24.3预测顾客流失463

24.3.1单一的未来时期模型464

24.3.2时间序列模型469

24.4减少流失的管理方法471

24.4.1概述471

24.4.2主动的顾客流失管理框架472

24.4.3实施主动的顾客流失管理计划475

24.5未来的研究477

第25章多渠道顾客管理478

25.1多渠道顾客管理的出现478

25.1.1多渠道管理的驱动力478

25.1.2多渠道管理的拉力479

25.2多渠道顾客479

25.2.1顾客渠道选择决策的学习框架479

25.2.2多渠道顾客的特征480

25.2.3多渠道选择的决定因素482

25.2.4顾客渠道转移模型487

25.2.5研究购物491

25.2.6渠道使用和顾客忠诚492

25.2.7获取渠道对顾客行为的影响493

25.2.8渠道引入对公司绩效的影响494

25.3发展多渠道战略496

25.3.1多渠道设计过程的框架496

25.3.2分析顾客496

25.3.3渠道设计497

25.3.4实施方式501

25.3.5革命503

25.4行业案例505

25.4.1零售“最佳实践”(Crawford，2002)505

25.4.2Waters公司(《CRM ROI评论》，2003)506

25.4.3制药行业(Boehm，2002)506

25.4.4Circuit City公司(Smith，2006;Wolf，2006)507

25.4.5总结507

第26章顾客获取与保留的管理508

26.1概述508

26.2获取和保留模型509

26.2.1Blattberg和Deighton(1996)的模型509

26.2.2队列模型513

26.2.3Ⅱ型Tobit模型513

26.2.4竞争模型517

26.2.5总结: 如何建立顾客获取和顾客保留模型519

26.3最佳的顾客获取和顾客保留支出520

26.3.1在没有预算约束的条件下优化Blattberg/Deighton模型520

26.3.2获取成本、保留成本、LTV和最优支出的关系: 如果获取

成本超过保留成本，企业是否应该专注于顾客保留524

26.3.3优化预算限制的Blattberg/Deighton模型527

26.3.4多阶段有预算约束的队列模型优化530

26.3.5Reinartz等人(2005)的Tobit模型优化533

26.3.6总结: 我们什么时候应该在获取与保留上投入更多533

26.4顾客获取与保留的预算计划535

26.4.1顾客管理营销预算(CMMB)535

26.4.2执行问题536

26.5获取与保留策略: 一个整体框架537

第6部分管理营销组合

第27章数据库营销沟通设计541

27.1计划过程541

27.2设立总体规划542

27.2.1目标542

27.2.2战略542

27.2.3预算542

27.2.4总结543

27.3文案开发543

27.3.1创造性战略543

27.3.2促销547

27.3.3产品549

27.3.4多要素营销沟通组合的个性化557

27.4媒体选择558

27.4.1最优选择558

27.4.2整合营销沟通559

27.5评价营销沟通计划559

第28章多项活动管理562

28.1概述562

28.2动态回应现象562

28.2.1磨合、耗尽和遗忘562

28.2.2重叠568

28.2.3购买加速，忠诚度以及价格敏感性的影响568

28.2.4同时考虑磨合、耗尽、遗忘、重叠、加速和忠诚度569

28.3最优接触模型571

28.3.1促销模型(Ching et al.，2004)572

28.3.2应用决策树回应模型(Simester et al.，2006)573

28.3.3风险回应模型(G?nül et al.，2000)574

28.3.4分层Bayes模型(Rust & Verhoef, 2005)576

28.3.5考虑顾客和企业的动态理性的模型(G?nül and Shi, 1998)577

28.3.6纳入库存管理(Bitran&Mondschein，1996)579

28.3.7考虑多个不同目录的模型 (Campbell et al.，2001)581

28.3.8多个目录的邮寄(Elsner et al.,2003，2004)584

28.3.9增加在线固定样本组调查的回应率(Neslin et al.，2007)585

28.4总结588

第29章定价策略592

29.1概述——基于顾客的定价策略592

29.2顾客购买多种产品时的基于顾客的定价594

29.2.1情况1: 仅有产品1被购买595

29.2.2情况2: 以产品1为主打产品的两种产品购买模型596

29.3顾客在两个时期购买产品或服务时的针对顾客的定价597

29.3.1悲观的情况:  Rq ——对质量的期望高于真实的质量599

29.3.3研究问题599

29.4使用顾客资产模型的获取顾客定价及保留顾客定价599

29.5赢回顾客定价602

29.6追加销售定价603

29.7通过数据库目标市场选择模型进行歧视定价604